这集讲什么
Brian Armstrong 从「永不满足」的创业心态谈起,展示 Coinbase 如何让 AI 智能体(Agent)参与产品开发,并提出一个更大胆的判断:当智能体开始彼此协作、交易和支付,金融系统也必须随之改变。
1-3要点
- 智能体改变的是管理链条,不只是写作或编程速度:目标可持续推进,但调查、拆分、审批和复核都必须重新设计。
- 企业上下文是智能体工作的关键条件:通用模型能力强,不代表知道一家公司的历史决定、标准和例外。
- 人的注意力仍是瓶颈:并行智能体越多,越需要把关键决定准确、简洁地交给有权限的人。
播出信息
- 日期:2026-11-18
- 时长:3628 秒(约 60 分 28 秒)
- 嘉宾:Brian Armstrong,Coinbase 联合创始人兼 CEO
- 主持人:David Senra
- 音频:收听本集
- YouTube:无 YouTube 链接
- Episode:节目页面
背景
Coinbase 以加密资产交易起家,正在将自身定位为连接加密基础设施、金融服务与 AI 的平台。本集并非单纯讨论币价或 AI 模型能力,而是从 Armstrong 管理公司的日常切入:CEO 如何发现产品问题、组织团队、分配决策,以及当越来越多工作由智能体执行时,谁来提供支付与市场基础设施。
对话也保留了创业者访谈的个人侧面。Armstrong 谈到自己曾刻意练习面对冲突,以及为何产品即使取得进展,他仍会首先看见尚未修好的部分。这种「神圣的不满足」(divine discontent)贯穿了后半集对 Coinbase 应用质量、内部 AI 工具和金融产品的讨论。
总结分析
本集最有价值的转折,是把「CEO 使用 AI」从聊天提问推进到组织设计。Armstrong 描述的工作方式不是让模型回答一次问题,而是为一个目标设置持续工作的牵头智能体,让它调查数据、拆分任务、调用子智能体,再把少数关键决定送回人类。他认为,瓶颈因此从生成内容转向企业上下文、审批顺序和界面:如果管理者必须阅读几十段对话,智能体再多也难以形成生产力。Coinbase 正尝试用内部知识系统保存团队与代码库的经验,并用按优先级排列的决策队列减少切换成本,但最终方向和代码审查仍由人负责。
由此,话题延伸到智能体之间的经济活动。Armstrong 的商业判断是:智能体若要跨公司采购服务、组合专长并实时结算,既需要权限控制,也需要适合机器使用的支付轨道;稳定币可能与信用卡共同承担这一角色。这是 Coinbase 的机会叙事,却还不是已被证明的市场规模。他同时承认,公司虽已感到 AI 带来显著生产率提升,收入尚未相应跃升。访谈最值得继续追踪的,正是这一落差:内部任务完成得更快,能否最终变成客户愿意转换金融账户、愿意付费的新体验?
节目结构 / 议程
- 从自我暗示到敢于面对冲突 — 00:02 🎧
- 「神圣的不满足」与长期满足感 — 04:48 🎧
- 把文明与企业看成长期策略游戏 — 12:40 🎧
- 从提问模型到分派持续性目标 — 17:20 🎧
- Coinbase Brain:给智能体补上企业记忆 — 20:09 🎧
- 决策收件箱与跨公司的智能体经济 — 24:42 🎧
- 支付轨道、开放模型与客户控制权 — 30:54 🎧
- 安全、供应商风险与自行构建 — 35:05 🎧
- 为什么有用的新技术仍会招致担忧 — 40:13 🎧
- 内部 AI 工具该出售、开源还是自用 — 44:50 🎧
- 生产率领先于收入,金融市场仍有惯性 — 48:33 🎧
- 从「口袋里的银行」到主动服务的智能体 — 52:54 🎧
分节详解
1) 从自我暗示到敢于面对冲突 — 00:02 🎧
💬 他们说了什么:Armstrong 认为,反复写下目标未必是神秘的「显化」,更直接的作用是让目标保持在注意力中心,使人更容易发现机会、采取行动。他年轻时反复写下创办十亿美元科技公司的目标;成为 CEO 后,又针对自己回避冲突的倾向练习「我喜欢冲突」,以便在产品质量不达标时更明确地提出要求。他特别说明,这并不等于主动挑起争端。
💡 为什么重要:这为整集的管理观定下基调:CEO 的工作不只是提出愿景,还要把含糊的不满变成团队能够执行的反馈。情绪可以传递事情的重要性,但必须服务于具体改变。
⚡ 争议点:Armstrong 自己也说,将重复练习比作「更新神经网络权重」只是他的思考隐喻,不保证符合神经科学。更强硬的反馈有时能激励团队,也可能被员工感受为威胁;效果取决于表达方式和组织环境。
2) 「神圣的不满足」与长期满足感 — 04:48 🎧
💬 Armstrong 说,他持续看到 Coinbase 应用中的速度、故障和功能问题,每天会向许多人追问进度;即使事情进展顺利,也很快想到下一步。主持人用「神圣的不满足」形容这种高标准。Armstrong 则区分短暂的快乐与较持久的满足感:后者来自有意义的工作、关系、贡献,以及长期看得到的进展。他说,Coinbase 想建立更公平、自由、高效的金融系统,但自觉「大约只完成了 1%」。
💡 不满足在这里不是终点,而是一种发现差距的能力。若目标本身足够长期,产品上的每处摩擦都会变成值得继续处理的工作。
⚡ 永远先看见缺陷,也可能使团队难以确认成就、形成持续压力。「完成 1%」是使命进度的主观表达,不是可量化的项目指标。
3) 把文明与企业看成长期策略游戏 — 12:40 🎧
💬 Armstrong 借《文明》系列的科技树解释自己的兴趣:从已有技术出发,尽可能为文明进步添上一片新叶。策略游戏还教他注意资源配置、不同获胜路径,以及眼前竞争之外正在形成的长期威胁。谈到企业,他承认独立编程与组织协作是不同技能;Coinbase 如今约有 4,000 人,而 AI 又让员工可以拥有持续工作的智能体团队。
💡 游戏比喻解释了他为什么同时重视技术建设与组织能力。一个人能做出的东西,和一支能协调、授权、复用知识的团队能做出的东西,规模不同。
⚡ 「单人十亿美元公司」在对话中是趋势猜想,不是 Coinbase 已验证的模式。把公司或文明类比为游戏有助于讨论策略,却不能消除员工、客户和监管问题中的真实代价。
4) 从提问模型到分派持续性目标 — 17:20 🎧
💬 Armstrong 描述了从「给模型一个提示、获得一个回答」到「交给牵头智能体一块责任」的变化。智能体可以分析 Coinbase 在不同国家的注册流程,提出最值得处理的机会与执行顺序,等他确认后继续推进。他认为当前一些智能体的工作能力可类比企业内部的 L5、L6 员工,但也强调这种类比并不完整。规划阶段可使用能力较强、成本较高的模型;拆出的窄任务则可交给其他模型。Coinbase 还用内部数据微调开放权重模型,称某些专门任务上的表现优于通用前沿模型。
💡 工作的基本单位从「一次回复」变成「一个目标及其反馈循环」。模型选择、任务拆分和何时请人决策,都成为管理系统的一部分。
⚡ L5、L6 的说法是 Armstrong 的内部经验判断,不能直接换算为同等的人类员工能力。专用模型优于通用模型的结论也只针对他所说的特定任务,访谈没有提供公开测试细节。
5) Coinbase Brain:给智能体补上企业记忆 — 20:09 🎧
💬 Armstrong 认为,通用模型不了解 Coinbase 的偏好、历史决定和工作方式。公司因此开发内部的「Coinbase Brain」:为员工、团队及 GitHub 代码库积累上下文,吸收实验、用户研究、事故、会议、代码审查和政策文件中的经验,再提炼成供相关智能体调用的知识。他说,人类的工作越来越包括修订这些知识、处理其中的矛盾;但最终决策和最终代码审查仍由人承担。
💡 模型能力之外,企业真正需要的是可信、可更新的组织记忆。若智能体知道过去为何做出某个决定,就有可能减少反复解释和返工。
⚡ 积累上下文不等于自动获得正确判断。旧决策可能失效,不同人员的说法可能冲突;资料越集中,权限、隐私、来源追溯和错误传播也越需要严格治理。
6) 决策收件箱与跨公司的智能体经济 — 24:42 🎧
💬 Armstrong 说,自己目前大约有七八个牵头智能体,加上一个统筹角色;每个牵头智能体运行时又可能调度三到五个子智能体。大量聊天记录很快变得难以阅读,于是团队试做按优先级排列的「决策收件箱」:管理者查看截图和建议,用确认、否决或语音反馈推进工作。他还设想,未来系统可沿公司目标、项目和依赖关系找出关键路径。再向外延伸,不同公司的智能体若要协作、购买专门服务,就需要市场和金融基础设施。
💡 智能体数量增加后,稀缺的可能不是执行次数,而是人的注意力与批准能力。界面若能准确呈现「现在决定什么最有价值」,才能把并行工作转化为进度。
⚡ 这是内部原型与未来设想,不等于已经存在可以自主经营公司的「VP 级」系统。对高度监管的金融业务而言,软件任务可被拆分,并不意味着牌照、客户身份核验或跨境合作也能靠提示词完成。
7) 支付轨道、开放模型与客户控制权 — 30:54 🎧
💬 当主持人追问智能体经济会有多大,Armstrong 给出非常激进的十年预测:智能体可能参与绝大多数交易。他认为,信用卡可提供与现有商户系统的兼容性,稳定币则可能成为智能体经济的实时支付轨道。他还主张让用户能选择和定制不同的开放权重模型,而非完全依赖少数供应商;金融账户应允许智能体发挥作用,同时设置严格权限,并让客户保持控制权。
💡 Coinbase 的论点并非「AI 能帮人点一下支付按钮」,而是机器之间的协作会带来新的交易频率、权限需求与结算方式。这把 AI 产品设计和金融基础设施连在一起。
⚡ 他以「五个九」作出的预测缺少口径说明,不能据此推算未来 GDP 或支付规模。稳定币能否成为主要轨道,还取决于监管、费用、商户接受度、身份与追责机制;「客户始终控制」也需要落实为可检验的授权设计。
8) 安全、供应商风险与自行构建 — 35:05 🎧
💬 Armstrong 举出的一个意外收获,是 AI 降低了重建某些供应商软件的门槛。他认为第三方供应商会给 Coinbase 带来难以完全掌控的安全风险,因此在合适情况下倾向减少供应商数量。谈到已有防护,他称 Coinbase 使用前沿模型审查上线前的代码,并将约 99% 的加密资产离线存储。他同时表示,AI 让构建产品重新变得令人兴奋,但安全工作仍须保持警觉。
💡 当自行构建更快、更便宜时,「购买还是自建」不再只是工程效率问题,也牵涉供应链风险与控制权。
⚡ 减少供应商并不会自动消除风险;内部团队同样要承担维护、审计和故障响应。代码 AI 审查与离线存储是防线的一部分,不能理解为对所有攻击路径的保证。
9) 为什么有用的新技术仍会招致担忧 — 40:13 🎧
💬 主持人追问:既然许多人使用 AI,为什么也会担心它?Armstrong 认为「觉得有用」与「担忧其影响」可以同时成立,并用自行车、电子游戏和密码学早期遭遇的恐慌作类比。他反对在风险尚未显现时,就以想象中的最坏情况制定过多规则,担心这会压制新行业。
💡 这一段揭示了他的技术治理倾向:先观察实际问题,再针对具体问题行动,而不是把公众焦虑本身当成技术有害的充分证据。
⚡ 历史上的某些技术恐慌后来显得夸张,并不能证明 AI 的风险也会如此。对于可能造成大范围损害的问题,「等发生再处理」未必总是可行;类比不能替代针对 AI 的具体风险评估。
10) 内部 AI 工具该出售、开源还是自用 — 44:50 🎧
💬 面对是否对外销售内部智能体工具的问题,Armstrong 认为,做一个只适合 Coinbase 的工具,与做一个适配各家公司安全、账单和工作流程的产品,难度可能相差很多。他暂时倾向让部分内部工具服务于现有业务,而非急于开辟新产品线;开源也会带来额外维护请求。相对地,Coinbase 已把自建的区块链连接、托管和质押等能力通过 Coinbase Developer Platform 对外提供。他称已有七家大型银行在其基础设施上建设相关产品,并将这一业务比作 Coinbase 潜在的 AWS。
💡 内部效果出色,并不意味着对外销售就是最佳选择。能否标准化、是否具备外部需求,以及会不会分散核心业务注意力,是不同的问题。
⚡ 「十倍或五十倍工作量」是 Armstrong 的估计;银行客户数量和平台增长情况也未在访谈中展开核验。将基础设施业务比作 AWS,表达的是商业方向,不是已经达到的规模。
11) 生产率领先于收入,金融市场仍有惯性 — 48:33 🎧
💬 Armstrong 承认,Coinbase 已看到 AI 带来显著生产率提升,但收入尚未出现相称变化。他提出两种解释:收入只是滞后指标;或同行也同步提效,企业必须跑得更快才能保持原位。他更倾向第一种。随后他谈到金融服务市场:主持人引用其帖文中「金融科技公司合计约占全球金融服务收入 4%,传统金融约占 96%」的说法;Armstrong 认为,大机会在于争取传统金融用户,也在于尚未成形的智能体经济。他强调,用户通常不会为略好的体验换银行,必须有明显不同的价值。
💡 这一段为前面的乐观叙事加上商业检验:提高内部产出只是第一步,产品还须克服客户习惯与金融体系的转换成本。
⚡ 4%/96% 的统计口径与来源未在对话中说明;金融科技与传统金融的边界也未必清晰。收入何时体现生产率收益,访谈没有给出证据足以在两种解释之间作出定论。
12) 从「口袋里的银行」到主动服务的智能体 — 52:54 🎧
💬 Armstrong 描绘金融界面从「指定股票和股数」,升级为「按投资目标逐步建仓」,再升级为「表达一个关于世界的判断,让系统提出资产组合建议」。更进一步,用户甚至不必先有投资论点,而是像与私人银行家交谈一样,让智能体主动提出想法;税务和闲置资金安排也可能由其协助处理。他也指出纯软件 AI 尚不能搬运物品或进入实体实验室,机器人能力会是另一道门槛。结尾他回到 Coinbase 应用质量:一个相关牵头智能体帮助汇总用户反馈、找出五项主要问题并启动工作,他本人仍会主动追问和推动。
💡 「口袋里的银行」强调随时可操作;他设想的下一步则是「口袋里有一位会提出建议的银行家」。结尾的产品修复案例说明,在现阶段,这种关系更接近人和智能体共同发现、排序、处理问题,而非完全自主经营。
⚡ 投资建议、跟单和自动资金调度涉及适当性、利益冲突、授权边界与错误责任。能给出看似合理的建议,不等于能持续改善用户收益;访谈也没有提供这一结果的验证数据。
人物与机构
- Brian Armstrong:Coinbase 联合创始人兼 CEO;本集嘉宾,谈其管理方法、内部 AI 实践与金融愿景。
- David Senra:主持人;以创业者经历和商业史案例推动对话。
- Coinbase:访谈中的主要实践场景,涉及交易应用、内部智能体系统、资产托管和开发者基础设施。
- Coinbase Brain:Armstrong 所述的内部知识系统,旨在为员工、团队和代码库相关工作提供上下文。
- Coinbase Developer Platform:Coinbase 对外提供区块链相关基础设施的产品。
- NewLimit:Armstrong 提到的共同创办的生物技术公司;他以实验室场景讨论机器人能力的门槛。
金句
「目标对我来说是满足感,而不是快乐。」—— Brian Armstrong,意译
「加密是轨道,AI 是界面。」—— Brian Armstrong,意译
「人类仍在作最终决定,仍在作最终代码审查。」—— Brian Armstrong,意译
「如果只是做得稍微好一点,大多数人其实不会换。」—— Brian Armstrong,意译
洞见与延伸背景
从聊天窗口到决策队列:许多 AI 工具以对话作为默认界面,但对话适合探索,不一定适合管理大量并行任务。Armstrong 描述的收件箱思路,重点并非让智能体少说话,而是让系统说明:需要谁决定、依据是什么、不决定会阻塞什么。
企业记忆也需要「编辑权」:让知识自动进入模型上下文,解决的是找不到资料的问题;明确谁能纠正过时规则、如何处理相互冲突的记录,解决的才是资料可不可信的问题。两者不能混为一谈。
支付轨道之外还有责任轨道:机器可以更频繁地下单或结算,但每笔行为仍需对应授权人、额度、目的、撤销机制及争议处理。智能体金融的难点,可能与支付速度同样关乎可审计性。
「神圣的不满足」需要边界:它能让领导者持续发现用户体验中的细小问题;若缺少优先级和明确完成标准,也可能让团队永远处于紧急状态。
争议与需核实
- 未来交易预测:Armstrong 关于十年后智能体参与交易比例的「五个九」说法是个人预测,访谈未定义交易口径。
- AI 提效与收入:他明确说 Coinbase 收入尚未相应跃升;「只是滞后」仍待后续业绩与产品数据验证。
- 金融市场份额:金融科技约 4%、传统金融约 96% 的数字需要核对原始统计来源、地域及收入口径。
- 内部模型表现:专用开放权重模型优于前沿模型的说法,需结合任务范围、评测方法和成本一起判断。
- 安全与客户规模表述:约 99% 的加密资产离线存储、七家大型银行使用相关基础设施,均为嘉宾在访谈中的陈述;本笔记不将其视为独立审计结果。
- 风险治理:Armstrong 对预防性监管持怀疑态度,但历史类比不足以单独判定 AI、金融自动化或网络安全风险应如何监管。
行动建议
- 先挑一个有负责人、有验收标准的持续性任务,再测试智能体能否提出计划、交回关键决策,而不只是完成一次提示。
- 记录智能体依赖的企业知识来源:哪些规则仍有效、由谁维护、发生冲突时由谁裁定。
- 按决策设计界面:优先呈现待批准事项、依据、风险和阻塞关系,避免要求管理者阅读全部过程记录。
- 为金融自动化设定明确权限:从额度、可交易对象、人工确认条件到审计记录,逐项界定。
- 分别衡量效率与业务结果:任务完成时间下降,不应直接记作收入增长或客户体验改善。
来源
- Episode 页面:Divine Discontent, AI Agents & the Future of Money | Brian Armstrong, Coinbase
- 节目音频
- 英文转写来源:
asr:transcribe-svc:job_c7130ebe507d。本笔记时间戳取自所提供转写;人物发言及数字依该转写整理。